CN112785106A - 一种学生综合评价方法及系统 - Google Patents
一种学生综合评价方法及系统 Download PDFInfo
- Publication number
- CN112785106A CN112785106A CN201911090816.7A CN201911090816A CN112785106A CN 112785106 A CN112785106 A CN 112785106A CN 201911090816 A CN201911090816 A CN 201911090816A CN 112785106 A CN112785106 A CN 112785106A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- data
- index
- system configuration
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 427
- 238000012545 processing Methods 0.000 claims abstract description 45
- 238000013500 data storage Methods 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 5
- 239000002131 composite material Substances 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 17
- 238000004458 analytical method Methods 0.000 description 11
- 238000007726 management method Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 7
- 239000000203 mixture Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000012217 deletion Methods 0.000 description 3
- 230000037430 deletion Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000004630 mental health Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000036651 mood Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000009666 qualitative growth Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种学生综合评价系统,包括:系统配置模块,用于配置评价指标、身份信息、评价层级及其关联关系;数据处理模块,用于将根据评价指标采集的评价数据处理为结构化数据;数据可靠性判断模块,和数据处理模块连接,并能和用户端交互,用于判断待存入数据存储模块的数据是否符合系统配置规则。本发明还公开了一种学生综合评价方法,包括:系统配置;指标调用;数据采集;数据处理;数据可靠性判断;数据存储。本发明的系统及方法能将评价数据转换为结构化数据,并实现学生评价数据常态化收集、不同评价层级的数据统计分析,以及数据可靠性保证。
Description
技术领域
本发明涉及教学信息化领域,尤其涉及一种学生综合评价方法及系统。
背景技术
传统教育教学的形式以应试为主,当下教学改革要求对学生和学校教育工作的考核方式转向更加多元、个性化的方式,以体现学生的综合素养,因而需要建立新形式的评估工具。
真正有效的评价数据要求常态化的可统一管理衡量的真实数据采集,这就带来教育主管部门统一的管理指标和学校、教师根据学情、个体发展阶段等因素而制定的校园特色的矛盾,常态化的、定性或半定量的质性数据和定期的量化考试数据等之间的矛盾。
目前的解决方案主要是以平台填报式为主,这一类应用往往由教育主管部门提出具体考核评价指标,学校组织教师或家长在特定时间段填写相关的数据,经过相关审批流程后,将对应数据上传。这类的工作只能够解决数据的从“无”到“有”的问题,但对于数据的真实性无法保证,对质性成长数据和考试成绩之间的关联也很难建立关联,对不同学校、教师、学科等之间的数据也不能进行科学有效的对比,更不能奢谈对学校、学科特色的有效体现和把握。总体上还停留在初步的探索阶段。
另外,评价数据的可靠性对将来的学生综合评价尤为重要,收集错误的数据将导致无法进行后续分析处理,对前期数据收集投入的人力物力也是一种很大的浪费。由于错误数据的原因产生的数据修改和删除,也是对数据安全的一种影响。
因此,本领域的技术人员致力于开发一种学生综合评价方法及系统。
发明内容
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是如何将质性数据、量化数据转化为结构化的、可定量分析的数据,即如何实现评价数据的结构化处理、定量化处理;如何实现学生常态化评价数据的真实、及时采集,兼顾教育主管部门对评价数据统一性的要求及学校、教师、学科等之间的评价指标个性化问题;如何保证存储的原始采集评价数据及处理后的结构化数据的可靠性。本发明也可以只解决上述技术问题中的一个或多个。
为实现上述目的,本发明的一个方面提供了一种学生综合评价系统。在一个具体实施方式中,该学生综合评价系统,包括:
系统配置模块,用于配置评价指标、身份信息、评价层级及其关联关系;
数据处理模块,用于将根据评价指标采集的评价数据处理为结构化数据;
数据可靠性判断模块,和数据处理模块连接,并能和用户端交互,用于判断接收到的数据是否符合系统配置规则。
可选地,系统配置模块还用于配置扩展指标信息,以及扩展指标信息与评价指标、身份信息和评价层级之间的关联关系。
进一步地,学生综合评价系统还包括数据存储模块;数据存储模块与数据可靠性判断模块相连,用于存储采集的评价数据、处理后的结构化数据,以及评价数据采集时的身份信息、评价数据对应的评价指标、评价层级及其关联关系。
可选地,数据存储模块被配置为能与数据分析工具或数据展示工具通讯。
进一步地,系统配置模块、数据存储模块、数据可靠性判断模块设置于服务端,数据处理模块设置于客户端或服务端。
进一步地,客户端被配置为能和扩展采集工具相连,通过所述扩展采集工具采集评价数据;和/或系统配置模块和数据可靠性判断模块被设置为能分别和第三方系统通讯,通过所述第三方系统采集评价数据。可选地,扩展采集工具比如魔法教棒、点阵笔等,是客户端的延伸及扩展。第三方系统和系统配置模块通讯,调用评价指标及相关信息,通过第三方系统本身实现数据采集工具,在一些情况下,同时完成数据的处理,之后将采集的评价数据和处理后的数据转化为数据可靠性判断模块能识别的数据信息,并上传到数据可靠性判断模块中。
进一步地,学生综合评价系统还包括系统配置调用模块;系统配置调用模块和系统配置模块相连,并能和客户端通讯;响应于客户端的请求,系统配置模块从系统配置模块查询及调用相关的评价指标,并传送至客户端。可选地,系统配置调用模块同时还调用与评价指标相关的其他信息,比如身份信息、评价层级等。系统配置调用模块设置于客户端或服务端。
本发明的另一个方面还提供了一种学生综合评价方法。在一个具体实施方式中,该学生综合评价方法包括:
系统配置,通过系统配置模块,设置评价层级、评价指标、身份信息及其关联关系;
指标调用,通过身份信息登录客户端,向系统配置模块请求调用评价指标;
数据采集,客户端采集身份信息以及评价数据;
数据处理,将采集到的评价数据根据预设规则处理为结构化数据;
数据可靠性判断,采集到的身份信息、评价数据、使用的评价指标、使用的评价层级、关联关系以及处理后的结构化数据通过数据可靠性判断模块判断是否符合系统配置规则;若数据被判断为不符合配置规则,则生成错误提示信息;
数据存储,经过数据可靠性判断后判定为符合系统配置规则的数据,被传送到数据存储模块进行存储。
其中,对于处理后的结构化数据,也是判断该结构化数据与相关的身份信息、使用的评价指标、使用的评价层级之间的关联关系是否符合系统配置规则。
进一步地,系统配置中,身份信息包括评价者身份信息和被评价者身份信息;评价层级为至少两层;评价指标根据评价层级设置,上一评价层级中的一个评价指标关联下一评价层级中的一个或多个评价指标。
进一步地,每一个下一评价层级中的评价指标对应唯一一个上一评价层级中的评价指标。由此,评价指标形成树状结构。由于这样的结构设置,下层的数据能唯一对应到一个上层评价指标,因此,下层的评价数据能用于上层的数据分析。
进一步地,所述数据可靠性判断为:对于每一条采集到的评价数据、每一条处理后的结构化数据,识别评价者身份信息、被评价者身份信息、使用的评价指标和使用的评价层级,判断评价者身份信息、被评价者身份信息、使用的评价指标、使用的评价层级之间的关联关系是否符合系统配置规则。
进一步地,评价指标关联有评价指数;数据处理为,将评价数据转化为对应评价指数的数值。评价指数是指用于表征某一类评价数据在程度上差异的数值型量度指标。可选地,评价指数具体为一个表征权重的数值。评价指数可以设置为任何有理数,包括正有理数、零、负有理数。可选地,最下一层的评价指标关联有评价指数,并且一条评价指标关联一个评价指数。此时,通过最下一层的评价指标指导评价数据采集。
可选地,系统配置还包括配置扩展指标信息,以及配置扩展指标信息与身份信息、评价指标、评价层级之间的关联关系;所述扩展指标信息包括但不限于学科、学段、关系、业务场景、地理位置、硬件设备、操作系统和/或安全验证方式。
可选地,指标调用还包括将扩展指标信息与请求调用的评价指标一并提供至客户端;以及数据可靠性判断还包括,识别扩展指标信息,并判断扩展指标信息与身份信息、使用的评价指标、使用的评价层级之间的关联关系是否符合系统配置规则。
进一步地,指标调用为,根据身份信息、与该身份信息关联的评价指标、评价范围,从系统配置模块调用相关部分的评价指标。
本发明的第三个方面还提供了一种介质,该介质存储有计算机可执行指令,该指令在被处理器执行时能用于实现如上所述的学生综合评价方法。
本发明的学生综合评价方法及系统,具有如下优势:
1)通过设置评价层级、对应不同评价层级的评价指标、评价指标之间和评价指标与评价层级之间的关联关系,实现上层的评价指标基本固定,而下层的评价指标可以个性化设置。下层不同学校、不同教师或不同学科的综合评价指标的差异化、个性化设置以及日常调整,体现个性化的同时,还能促进学生不同类型数据的常态化收集、真实采集。由于下层的评价指标都能对应到上层的评价指标,因此,下层采集收集的评价数据也能被上层(如教育主管部门层)使用,实现上层的综合评价统计、分析、管理等,也满足上层对评价数据统一性的要求。
2)通过数据的结构化处理,尤其是通过评价指数的设置,能将质性数据、半定量数据、定量数据都转化为结构化的、可定量分析的数据,进一步提到教育统一管理和学校、学科个性化之间数据不可通用的问题,也解决了质性数据和定量数据之间的关联对比困难的问题。处理后的可定量分析的数据,可以在不同评价层级上被调用并进行相关的数据管理、分析和应用,实现不同类型数据或不同使用者、不同使用场景中的数据的可比较性。
3)通过数据可靠性判断,一方面,可以保证存储的数据的可靠性,提高了将来数据分析的准确性;另一方面,通过原始数据的可靠性判定,使得数据在采集和初次被存储时就是正确的,降低了后续需要进行数据修改或删除的可能性,保证学生综合评价数据的可靠性和公正性,减少对学生个人升学、成长中因数据被造假而产生的严重影响。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的一个实施例的学生综合评价系统的示意图;
图2是本发明的一个实施例的学生综合评价方法的流程示意图;
图3是本发明的一个实施例中设置后的评价指标层级结构及关联关系示意图;
图4是本发明的一个实施例中评价体系的配置流程示意图;
图5是本发明的一个实施例中的多评价层级、附带扩展指标信息(学段)的评价指标体系示意图。
具体实施方式
以下参考说明书附图介绍本发明的多个优选实施例,使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现,本发明的保护范围并非仅限于文中提到的实施例。
在以下具体实施方式中,评价指标表示指导产生评价数据的指标。评价数据表示用户根据评价指标采集到的实际数据,比如学生考试成绩、德育成绩、上课表现情况等,是日常常态化产生的数据,或根据特定情境采集的数据。
本发明的一个方面提供了一种学生综合评价系统,在一个实施例中,该学生综合评价系统包括系统配置模块10、数据处理模块20、数据可靠性判断模块30和数据存储模块40(如图1所示)。
系统配置模块10用于配置评价指标、身份信息、评价层级及其关联关系。举例来说,当评价层级设为三个,分别为教育主管部门层、学校层、教学层,则通过系统配置模块10配置教育主管部门层、学校层、教学层。通过系统配置模块继续设置评价指标,并设置评价指标和评价层级以及评价指标之间的关联关系。比如设置评价指标“身心健康”、“身体发育”、“心理情绪”,其中,“身心健康”关联教育主管部门层,“身体发育”和“心理情绪”关联学校层,同时关联教育主管部门层的“身心健康”评价指标。
通过系统配置模块10配置身份信息,具体为配置评价者身份信息、被评价者身份信息、评价者和被评价者身份信息之间的关联关系。比如评价者身份信息可以是语文老师、数学老师、学生家长、学生等,被评价者身份可以是班级学生,关联关系比如为学生家长关联自己的孩子(某学生)、语文老师关联其教学的班级的学生。同时,评价者身份信息和被评价者身份信息也关联评价指标,比如学生(被评价者身份信息)关联“身高”、“体重”评价指标,语文老师(评价者身份信息)关联“语文作文成绩”评价指标。
系统配置模块10还可以配置扩展指标信息,及其与身份信息、评价指标、评价层级之间的关联关系。扩展指标信息包括但不限于学科、学段、关系、业务场景、地理位置、硬件设备、操作系统和/或安全验证方式等。比如设置学段为幼儿园、小学、初中,并将三个学段和相应的评价指标、评价层级、身份信息进行关联。
客户端可以和系统配置模块10交互,响应于客户端的评价指标调用请求,系统配置模块10会提供相应的评价指标。
数据处理模块20用于将根据评价指标采集的评价数据处理为结构化数据。具体来说,在客户端采集评价数据之后,通过数据处理模块20根据数据处理规则将数据处理为结构化数据。在本实施例中,评价指标关联有评价指数。在数据处理模块20中,评价数据被转换为相应评价指数对应的数值。
数据可靠性判断模块30和数据处理模块20连接,并能和用户端交互,用于判断待存入数据存储模块30的数据是否符合系统配置规则。待存入的数据包括客户端采集时的原始评价数据,以及数据处理模块20处理后的结构化数据,也包括相关的身份信息、评价指标、评价层级及关联关系。数据可靠性判断模块30主要是通过判断待存储数据的关联关系来确定待存储数据在采集、处理、上传的过程中是否发生错误,以避免存储不正确的数据导致无法进行后期分析,或后期分析结果不可靠;也避免数据采集时的错误没有被及时判断,产生的后续数据修改、删除操作,这些修改和删除操作可能会对学生的重要数据产生不公正的处理可能性。比如,“身体发育”指标下关联的是“身高”、“体重”两个指标,但是,在数据可靠性判断模块进行可靠性判断的评价数据为“身体发育”—“语文作文成绩:优秀”,则指标之间的关联关系错误,该条评价数据不符合系统配置规则。又如,身份信息“语文老师”关联的评价数据为“语文作文成绩”,但是,实际可靠性判断的评价数据为“语文老师”—“数学随堂测验成绩”,则评价者身份信息和评价指标的关联关系错误,该条评价数据不符合系统配置规则。
对于每一条待存入的数据,都需要进行可靠性判断。判断为符合系统配置规则的(即关联关系正确的)数据,则存入数据存储模块40中。判断为不符合系统配置规则的(即关联关系不正确的)数据,则生成错误提示信息,传达给用户端。
数据存储模块40用于存储采集的评价数据以及处理后的结构化数据,以及评价数据采集时的身份信息、评价数据对应的评价指标、评价层级及其关联关系。在一些实施例中,数据存储模块40和数据可靠性判断模块30相连,经过数据可靠性判断模块30判断为符合系统配置规则的数据,才会被存入到数据存储模块40中。
在一些实施例中,学生综合评价系统可以不包括数据存储模块40,经过数据可靠性判断模块30判断为符合规则的数据,传送到第三方存储平台上(比如亚马逊云平台、百度云平台等)进行存储。
系统配置模块10、数据可靠性判断模块30和数据存储模块40设置于服务端;数据处理模块20可以设置于客户端也可以设置于服务端。
在一些实施例中,可以直接通过客户端采集评价数据。在另一些实施例中,客户端能和扩展采集工具相连,通过扩展采集工具采集评价数据。比如,客户端可以通过蓝牙的方式和扩展采集工具魔法教棒、点阵笔等通信连接,通过魔法教棒、点阵笔自动获取评价数据。在另外一些实施例中,系统配置模块和数据可靠性判断模块被设置为能分别和第三方系统通讯,通过所述第三方系统采集评价数据。第三方系统和系统配置模块通讯,调用评价指标及相关信息,通过第三方系统本身实现数据采集工具,在一些情况下,同时完成数据的处理,之后将采集的评价数据和处理后的数据转化为数据可靠性判断模块能识别的数据信息,并上传到数据可靠性判断模块中。
在一些实施例中,学生综合评价系统还包括系统配置调用模块,系统配置调用模块和系统配置模块相连,并能和客户端通讯。客户端向系统配置调用模块发出查询调用请求,系统配置调用模块响应于该查询调用请求从系统配置模块调用相关的评价指标,在一些情况下,同时调用评价指标关联的其他信息。
在一些实施例中,分析工具和展示工具能与数据存储模块40通讯,从数据存储模块40获取处理后的结构化数据,进行分析统计或展示。
本发明的另一方面提供了一种学生综合评价方法。在一个实施例中,该学生综合评价方法包括如下步骤(如图2所示):
S100系统配置,通过系统配置模块,设置评价层级、评价指标、身份信息及其关联关系;
S200指标调用,通过身份信息登录客户端,向系统配置模块请求调用评价指标;
S300数据采集,客户端采集身份信息以及评价数据;
S400数据处理,将采集到的评价数据在数据处理模块中根据预设规则处理为结构化数据;
S500数据可靠性判断,采集到的身份信息、评价数据、使用的评价指标、使用的评价层级、关联关系以及处理后的结构化数据通过数据可靠性判断模块判断是否符合系统配置规则;若数据被判断为不符合配置规则,则生成错误提示信息;
S600数据存储,经过数据可靠性判断后判定为符合系统配置规则的数据,被传送到数据存储模块进行存储。
其中,S100系统配置步骤中,上一评价层级的一个评价指标对应下一评价层级的一个或多个评价指标。当每一个下一评价层级中的评价指标只对应唯一一个上一评价层级中的评价指标时,形成树状的评价指标体系。通过这样的树状的评价指标设置方式,能在第一层或前几层中保持评价指标的基本固定,在后几层或最下层中,能实现评价指标的可调整性,做到根据需求的个性化设置。这样的设置,可以根据个性化评价指标设置采集评价数据,并能根据实际情况进行下层评价指标的日常调整,同时又能满足上层中对评价数据/评价指标统一性的要求。
在一些实施例中,上述评价层级为三层,第一层对应教育主管部门,根据教育主管部门的要求设置第一层评价指标;第二层对应学校,学校根据第一层评价指标,按照一对一或一对多的方式设置个性化的第二层评价指标,以到达即对应教育主管部门的评价指标大要求,又体现学校办学特色的评价指标;第三层对应教学端,教学端根据第二层评价指标,按照一对一或一对多的方式设置可调整的第三层评价指标,第三层评价指标可以根据年级特色、教师特色、学科特色等进行个性化设置,第三层评价指标用于评价数据的采集。
在一些实施例中,上述各个评价层级还可以进一步设置子层级,如教育主管部门层级可以进一步划分为国家教育局层、地方教育局层;第三层评价指标可以进一步划分出父指标和对应于该父指标的一个或多个子指标。
其中,S100系统配置步骤,可以根据设置的评价层级分为多个子步骤,第一子步骤,设置第一评价层级的总评价指标,第二子步骤,设置第二评价层级的第二评价指标,并将第二评价指标与第一评价指标进行关联,依次类推。在另外一些实施例中,在第一子步骤中,可以由系统管理员设置第一评价层级的总评价指标,并设立学校管理员,由学校管理员配置第二评价指标及第二评价层级以下的评价指标,并设置关联关系。
在一个实施例中,评价层级设置为教育主管部门层、学校层、教学层,则S100系统配置步骤进一步分为:
S101配置教育主管部门层的第一层评价指标(第一层评价指标,评价指标1、评价指标2、……、评价指标n),该层评价指标基本固定,其调节仅根据教育主管部门的评价标准的改变而改变。因此,无论下一评价层级的评价指标如何变动,从下层获得的评价数据都可以用于教育主管部门的统一分析,不会因为学校或教学层的个性化设置导致教育主管部门无法获取相关评价数据的情况。该步骤可以由教育主管部门的系统管理员设置,也可以在系统中进行预设;
S102配置学校层和教学层的第二层及以下层的评价指标,并设置关联关系。如学校层的第二层评价指标,评价指标11、评价指标12、……、评价指标1i,并将评价指标11、评价指标12、……、评价指标1i与教育主管部门层的评价指标1进行关联。学校层的评价指标是可以根据学校的特色进行个性化设置的,不同的学校可以设置不同的第二层评价指标。比如以体育为特长的学校,其第二层评价指标的设置上,可以突出体育方面的指标或将其他指标与体育方面的指标相融合。并且,第二层评价指标是可以调整的,调整之后的第二层评价指标仍然需要对应第一层评价指标。换言之,第二层评价指标的调整不会使第一层评价指标得不到数据或无数据无法对应第一层评价指标。教学层的评价指标设置方式和学校层的设置方式类似,在此不赘述。该步骤可以由学校管理员设置。
设置后的评价指标层级结构及关联关系示意图如图3所示。
另外,S100系统配置步骤还包括设置评价者身份信息、被评价者身份信息及其关联关系,评价者身份信息、被评价者身份信息和评价指标、评价层级之间的关联关系。评价者身份信息包括但不限于老师、家长、学生,被评价者身份信息包括但不限于老师、学生。评价者和被评价者之间的关联关系可以是某一个老师关联其任教班级的学生,某一些学生关联其家长,某一班级的学生之间互相关联等,将有相关性的、可能存在互相关系的进行关联。评价者身份信息和被评价者身份信息都需要和相关的评价指标进行关联。比如评价者身份信息为语文老师,则关联语文相关的评价指标,如“语文作文成绩”,被评价者身份信息比如某学生,可以关联他可能使用到的评价指标,比如“身高”、“体重”。
在另一些实施例中,S100系统设置步骤还包括配置扩展指标信息及其与评价指标、评价层级、评价者身份信息和被评价者身份信息之间的关联关系。扩展指标信息包括但不限于以下几种:学科、学段、关系、业务场景、地理位置、硬件设备、操作系统和安全验证方式。举例来说,学校层的第二层评价指标可以和硬件设备、操作系统、安全验证方式相关联;教学层的第三层评价指标可以和学科、业务场景、地理位置相关联。关联扩展指标信息后可以得到更丰富的数据,使得后续评价数据处理结果更具有分析参考价值。
在具有扩展指标信息的情况下,一个评价指标可能和多个扩展指标信息进行关联,比如一个评价指标和多个场景进行关联,在这样的情况下,就形成了网格化的评价指标体系。
下方以教育主管部门两个评价层级、学校层一个评价层级、教学层一个评价层级,且跨学段(扩展指标信息)的评价体系为例(如图4所示),来说明评价体系的配置流程:首先由系统管理员设置教育主管部门的第一评价层级和评价指标,然后设置教育主管部门的第二评价层级和评价指标;完成之后再设置学校层,即开设学校,并开设学校层学校管理员。后续,由学校管理员配置学段信息、相关学段的学校层评价指标、相关信息(比如身份信息等)及其关联关系。之后再设置教学层,并配置学科、学科评价指标、相关信息及其关联关系。
图5展示了一种多层级、附带扩展指标信息(学段)的评价指标示意图。
S200指标调用中,通过评价者身份信息登录学生综合评价系统的客户端,向系统配置模块发送指令,请求调用评价指标。在一些实施例中,系统配置模块会根据评价者身份信息、扩展指标信息等,提供相关的评价指标。通过这样的方式,能够减少评价者面对的评价指标(即需要显示的评价指标减少),直接面对相关的评价指标,降低客户端界面内评价指标显示的复杂程度,提高评价者的评价录入便捷性,并节约系统运行中的资源使用量。
S300数据采集中,用户根据调用的评价指标,进行评价数据的采集。
在一些实施例中,可以直接通过客户端采集评价数据。在另一些实施例中,客户端能和扩展采集工具相连,通过扩展采集工具采集评价数据。。比如,客户端可以通过蓝牙的方式和扩展采集工具魔法教棒、点阵笔等通信连接,通过魔法教棒、点阵笔自动获取评价数据。在另外一些实施例中,系统配置模块和数据可靠性判断模块被设置为能分别和第三方系统通讯,通过所述第三方系统采集评价数据。第三方系统和系统配置模块通讯,调用评价指标及相关信息,通过第三方系统本身实现数据采集工具,在一些情况下,同时完成数据的处理,之后将采集的评价数据和处理后的数据转化为数据可靠性判断模块能识别的数据信息,并上传到数据可靠性判断模块中。
评价数据可以分为三种类型:数量型数据、等第型数据和标记型数据。其中,数量型数据为体现具体数字的数据,比如百分制考试的考试成绩、身高体重数据等。等第型数据为只体现不同等第层次的数据,比如划分的优秀、良好、合格、不合格等第。标记型数据为出现对应的事项才进行标记的数据,不出现则不进行标记。比如刷学生卡进入图书馆,出现该事项则进行标记型数据的记录,未出现该事项则不进行记录。
S400数据处理,将采集到的评价数据在数据处理模块中根据预设规则处理为结构化数据。通过合理有效的评价数据处理方式,可以纳入更多教育业务场景下的生成的数据,从而构建更完整、有参考意义的学生成长数据。另外,通过将评价数据处理为可定量分析的数据,也能够实现不同类型数据之间的量化比较和跨层级的数据统计、管理和考核。
在一个实施例中,S400数据处理步骤可以进一步分为:
S401识别采集到的评价数据的类型,即识别评价数据属于数量型数据、等第型数据还是标记型数据。
S402根据评价数据的类型匹配评价指数赋予规则,处理为结构化数据。评价指数是指用于表征某一类评价数据在程度上差异的数值型量度指标,具体为一个表征权重的数值。在一个实施例中,评价指数可以设置为任何有理数,包括正有理数、零、负有理数。
对于数量型数据,原则是将细粒度的数据处理为粗粒度的数据。比如通过以下两种方式转化为粗粒度数据:1、根据绝对数值区域,赋予一项或多项评价指数。如表1所示,将百分制成绩的分值划分为4个绝对数值区域,赋予不同的评价指数;2、根据相对数值区域,赋予一项或多项评价指数。对于百分制成绩,根据成绩进行排名,根据排名划分区域,赋予不同的评价指数。在该规则下,一组评价指数对应的百分比排队区间的集合应排满0-100%。对于等第型数据,根据不同的等第对评价数据赋予一项或多项评价指数。对于标记型数据,对评价数据赋予一个评价指数。其中,每一个评价指数都可以关联解释文本,用于指导该评价指数的使用或解释该评价指数的设置方式等。
表1百分制成绩按照绝对数值区域的评价指数赋予规则示例
百分制成绩(分) | 评价指数 |
90~100 | 5 |
70~90 | 4 |
60~80 | 3 |
0~60 | 1 |
对于等第型数据,评价指数的设置方式如表2所示:
表2等第型数据的评价指数示例
等第 | 评价指数 |
优秀 | 6 |
良好 | 4 |
合格 | 2 |
不合格 | 0 |
对于标记型数据,评价指数的设置方式如表3所示:
表3标记型数据的评价指数示例
标记 | 评价指数 |
进入图书馆 | 0.5 |
进入体育馆 | 0.5 |
在本实施例中,将评价数据处理为结构化数据、可定量分析的数据的方式为,将评价数据被转换为相应评价指数对应的数值。
评价数据经过如上处理之后,实现了不同类型数据之间的量化,使得处理后的数据能进行比较和跨评价层级的数据统计、管理和考核。
S500数据可靠性判断步骤中,需要对采集到的每一条评价数据以及经过处理后的每一条数据进行可靠性判断,避免由于某些数据的问题导致整体分析不可信。
数据可靠性判断主要判断评价数据或处理后的数据与其背后相关的评价层级、评价指标(关联有评价指数)、评价者身份信息、被评价者身份信息之间的关联关系是否错误。在包括扩展指标信息的情况下,也同时通过扩展指标信息与其他项目之间的关联关系来判断数据可靠性。
举例来说,“身体发育”指标下关联的是“身高”、“体重”两个指标,但是,在数据可靠性判断模块进行可靠性判断的评价数据为“身体发育”—“语文作文成绩优秀”,则指标之间的关联关系错误,该条评价数据不符合系统配置规则,为不可靠数据。又如,身份信息“语文老师”关联的评价数据为“语文作文成绩”,但是,实际可靠性判断的评价数据为“语文老师”—“数学随堂测验成绩”,则评价者身份信息和评价指标的关联关系错误,该条评价数据不符合系统配置规则,为不可靠数据。
当一条数据被判断为不符合系统配置规则时,就生成错误提示信息,提示用户进行适当的补救措施。当一条数据被判断为符合系统配置规则时,才进入下一步数据存储。
数据可靠性判断可以是每获得一条数据(包括采集的评价数据和处理后的结构化数据)就进行可靠性判断,也可以是当获得一定量的数据时,统一进行判断。
S600数据存储步骤中,经过所述数据可靠性判断后判定为符合系统配置规则的数据,被传送到数据存储模块进行存储。存储的数据,包括采集的评价数据、处理后的结构化数据、评价数据采集时的身份信息、评价数据对应的评价指标、评价层级及其关联关系。这些数据都可以被调取以便用于后续的分析或展示,比如通过统计分析工具,从数据存储模块中调取处理后的结构化数据,以进行不同目的的分析。如可以按照不同层级(如学校层、教育主管部门层)进行不同范围的数据分析,对于教育主管部门层,可以获得按照某学科统考成绩的学校排名,以进行学校横向的比较。
以上步骤的顺序可以根据实际情况有所调整。比如在另一个实施例中,数据可靠性判断可以在S400数据处理之前,先进行原始采集的评价数据的可靠性判断,判断为符合系统配置规则的评价数据再进入S400数据处理步骤。数据处理后获得的结构化数据,再次进行数据可靠性判断,从而保证处理后的结构化数据在被存储时也是正确的。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (16)
1.一种学生综合评价系统,其特征在于,包括:
系统配置模块,用于配置评价指标、身份信息、评价层级及其关联关系;
数据处理模块,用于将根据评价指标采集的评价数据处理为结构化数据;
数据可靠性判断模块,和数据处理模块连接,并能和用户端交互,用于判断接收到的数据是否符合系统配置规则。
2.如权利要求1所述的学生综合评价系统,其特征在于,所述系统配置模块还用于配置扩展指标信息,以及扩展指标信息与所述评价指标、身份信息和评价层级之间的关联关系。
3.如权利要求1所述的学生综合评价系统,其特征在于,所述学生综合评价系统还包括数据存储模块;所述数据存储模块与所述数据可靠性判断模块相连,用于存储采集的评价数据、处理后的结构化数据,以及评价数据采集时的身份信息、评价数据对应的评价指标、评价层级及其关联关系。
4.如权利要求3所述的学生综合评价系统,其特征在于,所述数据存储模块被配置为能与数据分析工具或数据展示工具通讯。
5.如权利要求3所述的学生综合评价系统,其特征在于,所述系统配置模块、数据存储模块、数据可靠性判断模块设置于服务端,所述数据处理模块设置于客户端或服务端。
6.如权利要求1所述的学生综合评价系统,其特征在于,客户端被配置为能和扩展采集工具相连,通过所述扩展采集工具采集评价数据;和/或系统配置模块和数据可靠性判断模块被设置为能分别和第三方系统通讯,通过所述第三方系统采集评价数据。
7.如权利要求1所述的学生综合评价系统,其特征在于,所述学生综合评价系统还包括系统配置调用模块;所述系统配置调用模块和所述系统配置模块相连,并能和客户端通讯;响应于客户端的请求,所述系统配置模块从所述系统配置模块查询及调用相关的评价指标,并传送至客户端。
8.一种学生综合评价方法,其特征在于,包括:
系统配置,通过系统配置模块,设置评价层级、评价指标、身份信息及其关联关系;
指标调用,通过身份信息登录客户端,向所述系统配置模块请求调用评价指标;
数据采集,客户端采集身份信息以及评价数据;
数据处理,将采集到的评价数据根据预设规则处理为结构化数据;
数据可靠性判断,采集到的身份信息、评价数据、使用的评价指标、使用的评价层级、关联关系以及处理后的结构化数据通过数据可靠性判断模块判断是否符合系统配置规则;
数据存储,经过所述数据可靠性判断后判定为符合系统配置规则的数据,被传送到数据存储模块进行存储。
9.如权利要求8所述的学生综合评价方法,其特征在于,所述系统配置中,所述身份信息包括评价者身份信息和被评价者身份信息;所述评价层级为至少两层;所述评价指标根据评价层级设置,上一评价层级中的一个评价指标关联下一评价层级中的一个或多个评价指标。
10.如权利要求9所述的学生综合评价方法,其特征在于,每一个下一评价层级中的评价指标对应唯一一个上一评价层级中的评价指标。
11.如权利要求9所述的学生综合评价方法,其特征在于,所述数据可靠性判断为:对于每一条采集到的评价数据、每一条处理后的结构化数据,识别评价者身份信息、被评价者身份信息、使用的评价指标和使用的评价层级,判断评价者身份信息、被评价者身份信息、使用的评价指标、使用的评价层级之间的关联关系是否符合系统配置规则。
12.如权利要求8所述的学生综合评价方法,其特征在于,所述评价指标关联有评价指数;所述数据处理为,将评价数据转化为对应评价指数的数值。
13.如权利要求8所述的学生综合评价方法,其特征在于,所述系统配置还包括配置扩展指标信息,以及配置扩展指标信息与身份信息、评价指标、评价层级之间的关联关系;所述扩展指标信息包括学科、学段、关系、业务场景、地理位置、硬件设备、操作系统和/或安全验证方式。
14.如权利要求13所述的学生综合评价方法,其特征在于,所述指标调用还包括将扩展指标信息与请求调用的评价指标一并提供至客户端;以及
数据可靠性判断还包括,识别扩展指标信息,并判断扩展指标信息与身份信息、使用的评价指标、使用的评价层级之间的关联关系是否符合系统配置规则。
15.如权利要求8所述的学生综合评价方法,其特征在于,所述指标调用为,根据身份信息、与所述身份信息关联的评价指标、评价范围,从系统配置模块调用相关部分的评价指标。
16.一种介质,其特征在于,所述介质存储有计算机可执行指令,所述指令在被处理器执行时能用于实现如权利要求8-15中任一项所述的学生综合评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911090816.7A CN112785106A (zh) | 2019-11-09 | 2019-11-09 | 一种学生综合评价方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911090816.7A CN112785106A (zh) | 2019-11-09 | 2019-11-09 | 一种学生综合评价方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112785106A true CN112785106A (zh) | 2021-05-11 |
Family
ID=75749322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911090816.7A Pending CN112785106A (zh) | 2019-11-09 | 2019-11-09 | 一种学生综合评价方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112785106A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116307869A (zh) * | 2023-03-06 | 2023-06-23 | 北京一起教育科技发展有限公司 | 基于点阵笔数据的学习情况评价方法、装置和电子设备 |
CN118247101A (zh) * | 2024-05-27 | 2024-06-25 | 江西日辰教育科技有限公司 | 评价指标值的推送方法及系统、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409748A (zh) * | 2018-10-29 | 2019-03-01 | 广东友元国土信息工程有限公司 | 一种耕地质量评价指标关联性的检核方法及系统 |
CN109767059A (zh) * | 2019-03-25 | 2019-05-17 | 兰州乐智教育科技有限责任公司 | 一种学生综合素质评价系统 |
CN110363377A (zh) * | 2019-05-29 | 2019-10-22 | 广东精标科技股份有限公司 | 一种学生综合素质评价系统 |
CN110363408A (zh) * | 2019-06-27 | 2019-10-22 | 深圳市宝安区西乡街道共乐小学 | 一种学生综合素质评价系统 |
-
2019
- 2019-11-09 CN CN201911090816.7A patent/CN112785106A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409748A (zh) * | 2018-10-29 | 2019-03-01 | 广东友元国土信息工程有限公司 | 一种耕地质量评价指标关联性的检核方法及系统 |
CN109767059A (zh) * | 2019-03-25 | 2019-05-17 | 兰州乐智教育科技有限责任公司 | 一种学生综合素质评价系统 |
CN110363377A (zh) * | 2019-05-29 | 2019-10-22 | 广东精标科技股份有限公司 | 一种学生综合素质评价系统 |
CN110363408A (zh) * | 2019-06-27 | 2019-10-22 | 深圳市宝安区西乡街道共乐小学 | 一种学生综合素质评价系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116307869A (zh) * | 2023-03-06 | 2023-06-23 | 北京一起教育科技发展有限公司 | 基于点阵笔数据的学习情况评价方法、装置和电子设备 |
CN118247101A (zh) * | 2024-05-27 | 2024-06-25 | 江西日辰教育科技有限公司 | 评价指标值的推送方法及系统、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2510071C2 (ru) | Устройство для тестирования личности | |
Nuankaew | Dropout situation of business computer students, University of Phayao | |
CN107239967A (zh) | 房产信息处理方法、装置、计算机设备及存储介质 | |
US10790049B2 (en) | Method and system for managing health care patient record data | |
US20020045155A1 (en) | Apparatus and method for selecting target educational course | |
Adamki et al. | Assessment of data quality on expanded Programme on immunization in Ghana: the case of new Juaben municipality | |
CN112785106A (zh) | 一种学生综合评价方法及系统 | |
Rodić et al. | Leadership style and employee readiness: Basic factors of leadership efficiency | |
Newton | The reliability of results from national curriculum testing in England | |
Allen-Meares | Content analysis: It does have a place in social work research | |
CN102591929B (zh) | 一种图书馆数据处理系统及其数据处理方法 | |
Amran et al. | Developing human resource training management (HRTM) conceptual model using entity relationship diagram (ERD) | |
KR101429569B1 (ko) | 교육이력사항을 기반으로 한 직업 매칭 시스템 | |
CN112786124B (zh) | 一种问题排查方法、装置、存储介质及设备 | |
Quinn et al. | Building a model to predict caseworker and supervisor turnover using a neural network and logistic regression | |
US7346541B1 (en) | System, method and computer readable medium for acquiring and analyzing personal history information | |
Parker et al. | Characteristics and practices of school-based cluster randomised controlled trials for improving health outcomes in pupils in the UK: a systematic review protocol | |
CN112785107A (zh) | 一种管理学生激励的方法和系统 | |
Tziner et al. | A new old question: Do contextual factors relate to rating behavior: An investigation with peer evaluations | |
KR20180082329A (ko) | 직무능력 예측을 포함하는 직무 자동매칭 서비스 및 그를 이용하는 컴퓨팅 장치 | |
CN107945853A (zh) | 一种基于元数据的医疗质量上报系统 | |
CN112330506A (zh) | 高考志愿填报助选系统 | |
KR101946551B1 (ko) | 대학 행정서비스 평가를 위한 진단지표 생성 서버 및 방법 | |
Boeschoten et al. | Estimating classification error under edit restrictions in combined survey-register data | |
Soderstrom et al. | The Effects of Base Rate, Selection Ratio, Sample Size, and Reliability of Predictors on Predictive Efficiency Indices Associated with Logistic Regression Models. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210511 |